hallucination-leaderboard

hallucination-leaderboard

LLM在文档总结任务中的幻觉频率排名

Vectara的Hughes幻觉评估模型定期分析和更新LLM排名,揭示各模型在文档总结任务中的幻觉出现频率。排行榜还包括事实一致性率、回答率等关键性能指标,助您识别信息传达准确性最佳的LLM。

VectaraLLMhallucination ratefactual consistencyHHEM-2.1Github开源项目

Hallucination Leaderboard 项目介绍

项目背景与目标

Hallucination Leaderboard 是一个由 Vectara 公司发起的公共大规模语言模型(LLM)排行榜,该排行榜基于哈奇斯幻觉评估模型(Hughes Hallucination Evaluation Model, HHEM)来评估。当LLM在总结文档时引入不真实信息(幻觉)的频率如何。此项目旨在随着模型和LLM的更新,定期更新排行榜,为学术研究和产业应用提供实时评估工具。

幻觉评估模型

排行榜的排行是通过最新版本的HHEM-2.1幻觉评估模型来计算的。此模型专门用于检测LLM输出中的幻觉,以确保生成的总结内容与原始文档的一致性和准确性。感兴趣的用户可以在 Hugging Face 和 Kaggle 访问这一开源版本的评估模型。

数据来源与方法论

为了评估模型,我们使用了多个开放源代码的数据集,这些数据集用于研究总结模型的真实性一致性。具体而言,项目方将千余个短文档通过各个LLM的公共API进行总结,最终使用831个被所有模型总结的文档来计算各个模型的总体真实性一致性率与幻觉率。

项目特别关注于总结任务中的真实一致性而非总体真实准确性,这是为了能更精准地比较模型在给定信息下的回复表现。幻觉检出过程参考了大量现有的学术研究,使得这一方法不仅可用于当前任务,也对LLM的整体真实性能力提供指引。

模型排行榜

在排行榜上,各个模型的表现通过以下指标进行展示:

  • 幻觉率:反映了模型生成不真实内容的频率。
  • 实际一致性率:描述了模型生成内容与原始文档的一致性。
  • 回应率:模型是否能有效回应指定任务。
  • 总结长度:模型生成总结的平均字数。

这些指标结合为用户提供了对不同模型在总结任务中的真实性和一致性表现的全面理解。

已实现与未来计划

项目当前实现了一个排名列表,用户可以在 Hugging Face 网站查看完整排行榜。项目方还计划添加更多特性,例如引用准确性的排行榜以及多文档总结等任务的评估。此外,未来也将扩展语言覆盖范围,以适应更多样化的用户需求和应用场景。

总之, Hallucination Leaderboard 项目致力于为大规模语言模型提供直观且详尽的真实性检测工具,也是模型研究和应用的一大进展。希望通过社区共同努力,不断推进幻觉检测领域的发展,优化模型的输出质量。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多